Fair Clustering - Detailseite

Dieses Seminar beschäftigt sich mit Fairness? Es ist kein Geheimnis, dass sogenannte 'unsupervised learning algorithms' mit unseren Daten auch unsere Vorurteile lernen. Um resultierender Diskriminierung entgegen zu wirken, wollen wir solchen Algorithmen explizite Fairness-Bedingungen auferlegen. Was nun aber Fairness wirklich bedeutet ist keine einfach zu beantwortende Frage. Am Beispiel von clustering (speziell den klassischen Varianten k-center, k-means, k-median) wollen wir unterschiedliche (aktuell beliebte) Modellierungen für Fairness betrachten und vergleichen. 
Jede Gruppe (2-3 Personen) stellt dazu eine Fairness-Modellierung in einem Vortrag vor. Ziel des Vortrags ist, neben der allgemeinen Vorstellung der jeweiligen Fairness-Modellierung, vor allem eine kritische Betrachtung insbesondere durch Vorstellung geeigneter und ungeeigneter Anwendungsszenarien, und durch theoretische Problemeigenschaften. Nachdem jede Gruppe ihre Modellierung vorgestellt hat, ist das Ziel der anschließenden schriftlichen Ausarbeitung, die eigene Fairness-Modellierung in einen Vergleich zu den anderen zu setzen und ggf. Vorschläge zur Verbesserung zu machen. 
Voraussetzungen für dieses Seminar sind Grundlagen (insbesondere Algorithmen und Datenstrukturen und Einführung in die Theoretische Informatik) sowie ausreichende Englischkenntnisse zum Lesen der jeweiligen Literatur bestehend aus englischen Forschungsarbeiten